Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

a studio aplotipo-guida d'apprendimento profondo basato a immagine mappa l'adattamento globale di SARS-CoV-2

Fin qui, il coronavirus 2 (SARS-CoV-2), l'agente patogeno causativo di sindrome respiratorio acuto severo della malattia 2019 (COVID-19) di coronavirus, ha causato più di 93,21 milione infezioni universalmente. Mentre si sparge attraverso le popolazioni differenti, subisce gli adattamenti che a volte pregiudicano il suo transmissibility ed altre caratteristiche biologiche.

Una pubblicazione preliminare interessante sul " server " del bioRxiv* descrive l'uso in profondità dell'apprendimento con la tecnologia del riconoscimento di immagine rintracciare l'emergenza delle varianti con forma fisica virale aumentata. Il più alta forma fisica piombo ad espansione rapida di questi stirpi nelle aree dove sono presentate. Questo tipo di studio ha potuto facilitare lo sviluppo di anticorpi e dei vaccini più efficaci per contribuire a contenere la pandemia.

Significato degli studi di adattamento

Un punto importante nella comprensione affatto della pandemia causata da un agente patogeno novello è di identificare i cambiamenti che si presentano col passare del tempo nel genoma dell'organismo e come queste evoluzioni riflettono i cambiamenti nel suo comportamento. Ciò contribuisce a selezionare gli obiettivi per intervento. Il passo intenso della ricerca sulla pandemia in corso COVID-19 piombo all'aggregazione di migliaia di sequenze virali complete del RNA, dalle popolazioni multiple e dalle regioni.

Lo studio corrente mira a sfruttare questo database di informazioni genomiche virali per identificare col passare del tempo, delle prime, dell'avvenimento di cambiamento genomica nel SARS-CoV-2 come conseguenza di pressione globale di selezione, o della selezione regionale, con le alterazioni. Le pressioni di selezione sono agenti che agiscono sul virus da fuori, su quell'influenza la sua forma fisica di sopravvivenza positivamente o negativamente alterando o migliorando i tratti particolari. Lo studio delle popolazioni virali selezionate durante tempo ha potuto contribuire a scoprire i cambiamenti nella virulenza o nell'immunizzazione connessa con tali trattamenti adattabili genetici.

Approcci filogenetici facendo uso in profondità dell'apprendimento

I ricercatori hanno contato sui metodi filogenetici per fare le loro illazioni, senza usando i dati di ricombinazione. Il loro approccio è differente dai metodi più convenzionali che riassumono i dati di sequenza nel modulo numerico o grafico, per identificare come le varianti del nucleotide si distribuiscono nelle situazioni senza pressione di selezione. In tali situazioni neutrale evolventesi, la ricombinazione libera è presupposta per accadere, con la popolazione che rimane costante.

Nello studio corrente, i ricercatori hanno optato per le tecniche filogenetiche che richiedono i numerosi eventi ripetitivi in un intervallo di momento specifico per catturare gli eventi in eccesso oltre i limiti di evoluzione neutrale. Ciò significa che sono usate spesso soltanto con i genoma che mostrano un tasso alto di mutazione, o hanno tracce lunghe della mutazione.

I ricercatori hanno usato la capacità dei metodi d'apprendimento profondi di catturare i cambiamenti genetici complessi in strumenti di previsione basati sulle simulazioni, di modo che non devono spiegare i parametri ben definiti. Già, in profondità imparare si è applicato nella genetica di popolazione ottenere le previsioni di vari parametri genetici, quali il tasso di ricombinazione e la selezione come pure nell'analisi di dati di germline. Possono usare i parametri del immagine-riconoscimento per analizzare l'adattamento virale, così facendo uso delle informazioni negli allineamenti dell'aplotipo.  

ad analisi basata a immagine dell'aplotipo

Lo studio è basato su una rete neurale dell'avvolgimento (CNN) combinata con un approccio ricorrente della rete (RNN) neurale. Ad aplotipo basato a immagine chiamato ha guidato l'illazione evolutiva (ImHapE), questa piattaforma li ha permessi di identificare la selezione in un modo quantitativo nell'espansione delle popolazioni virali, facendo uso dei dati d'ordinamento genomica. Questo approccio di quattro-punto è stato modificato per aumentare la sua velocità mentre conservava la sua capacità di catturare le differenze nella forma fisica in popolazioni differenti in cui la selezione sta funzionando alle resistenze differenti. Hanno simulato la crescita esponenziale nella popolazione, con il tasso di crescita in popolazioni positivamente selezionate che sono più alte mentre la forma fisica è aumentato. La forma fisica è definita come “riduzione del tasso di mortalità tali che una forma fisica (1 + s) di 2 era equivalente ad un rapporto di riproduzione di 50% del tasso di mortalità virale nella popolazione utile del virus.„

Una volta che i loro CNN/RNN modellano fossero stati preparati e convalidato sulla loro popolazione simulata, la applicassero a due insiemi dei dati globali reali sul virus. Il primo proveniva dall'iniziativa globale sulla divisione di tutto il database di dati di influenza (GISAID), riunito fra marzo e luglio 2020. Il secondo era dati BRITANNICI del DENTE, raccolti fra aprile e dicembre 2020. Le mutazioni nei due database sono state chiamate facendo uso del genoma di riferimento di Wuhan e di un genoma di riferimento dell'Inghilterra, rispettivamente.

Controllo di qualità generale e campione che filtrano per GISAID ed i dati del Regno Unito del DENTE. Per assicurare le illazioni accurate stavano facendi nei dati empirici, noi collocano una soglia per l
Controllo di qualità generale e campione che filtrano per GISAID ed i dati del Regno Unito del DENTE. Per assicurare le illazioni accurate stavano facendi nei dati empirici, noi collocano una soglia per l'inclusione del campione basata sulla proporzione di genoma mascherata. Per collocare la soglia per la proporzione di genoma mascherata, abbiamo fissato i tagli semplici basati sull'intera distribuzione di campione. Per i dati BRITANNICI del DENTE, la a, noi soltanto campioni accettati con meno di 1,8% del genoma mascherato e la b, non hanno trovato un eccessivo numero di siti con il mascheramento in una scansione genoma di ampiezza. Per i dati di GISAID, la c, noi soltanto campioni accettati con meno di 0,1% del genoma mascherato e la b, non hanno trovato un eccessivo numero di siti con il mascheramento in una scansione genoma di ampiezza. e, abbiamo confrontato mutational includiamo i dati di GISAID (da gennaio all'agosto 2020) ed i dati BRITANNICI del DENTE (da marzo al dicembre 2020). In particolare, ci siamo assicurati che i conteggi di mutazione facendo uso del genoma di riferimento LONGD51C5 da aprile 2020 provocassero un più piccolo numero delle mutazioni in media le mutazioni poi chiamate dati BRITANNICI del DENTE di N facendo uso del riferimento di Wuhan da dicembre 2019.

Hanno regolato la loro tariffa di mutazione per adattarsi con le 23 mutazioni stimate per genoma all'anno che il genoma SARS-CoV-2 è stimato per subire. Egualmente hanno riunito i campioni del virus secondo i punti di tempo e di regione.

Forma fisica aumentata di nuove varianti

Hanno trovato che il virus stava subendo la selezione positiva in ogni popolazione, come indicato da un valore oltre 1, ma la sua forma fisica era differente nelle regioni differenti. La selezione positiva è stata osservata anche dopo la compensazione della crescita demografica.

Europa ed in America settentrionale, la forma fisica in diminuzione col passare del tempo, successivamente alla fissazione della variante di D614G, ma era a luglio più alta che all'inizio. La forma fisica a marzo e luglio era 1,05 contro 1,42 in Europa e 1,27 contro 1,40 in America settentrionale.

Facendo uso dei dati BRITANNICI del DENTE, hanno trovato che la selezione positiva ha avuta una vasta gamma di variazione presto nello scoppio. Tuttavia, la forma fisica è aumentato a partire da 1,05 alle settimane 29 - 1,34 alla settimana 49. L'inizio della forma fisica aumentata è stato associato con l'espansione simultanea dello stirpe B1.177 alla settimana 29, con la nuova variante B.1.1.7 che si espande dopo la settimana 46.

Lo stirpe del B. 1,177 è definito da una mutazione di A222V nella proteina della punta. È stato diffuso in Europa, ma non si sa se questo è collegato con qualunque vantaggio fenotipico, quale transmissibility aumentato. La nuova variante, B.1.1.1.7, sembra essere associata con forma fisica aumentata dopo la settimana 46, indicante che questa sia attualmente più adatta degli altri stirpi di circolazione nel Regno Unito.

Sia il delineamento BRITANNICO del DENTE che continentale di dati è un esempio eccellente di come agli gli strumenti basati a simulazione di CNN/RNN possono tenere la carreggiata le differenze selettive fra i cloni virali quasi in tempo reale.„

Che cosa sono le implicazioni?

Questi risultati mostrano come questo strumento è utile in seguenti popolazioni virali che subiscono la pressione di selezione e così facendo le illazioni circa le differenze selezione selezione nella virulenza e nell'infettività. Questo strumento versatile è pronto ad essere raffinato ed ad diventato più ulteriormente per studiare l'adattamento in genoma.

La nostra struttura generale può adattarsi ed applicarsi a tutta la popolazione di ricombinazione in cui le informazioni state allineate dell'aplotipo sono disponibili quali i tessuti o i cancri somatici.„

Avviso *Important

il bioRxiv pubblica i rapporti scientifici preliminari che pari-non sono esaminati e, pertanto, non dovrebbero essere considerati conclusivi, guida la pratica clinica/comportamento correlato con la salute, o trattato come informazioni stabilite.

Journal reference:

Ouelette, T. W. et al. (2021). Using image-based haplotype alignments to map global adaptation of SARS-CoV-2. bioRxiv preprint. doi: https://doi.org/10.1101/2021.01.13.426571. https://www.biorxiv.org/content/10.1101/2021.01.13.426571v1

Dr. Liji Thomas

Written by

Dr. Liji Thomas

Dr. Liji Thomas is an OB-GYN, who graduated from the Government Medical College, University of Calicut, Kerala, in 2001. Liji practiced as a full-time consultant in obstetrics/gynecology in a private hospital for a few years following her graduation. She has counseled hundreds of patients facing issues from pregnancy-related problems and infertility, and has been in charge of over 2,000 deliveries, striving always to achieve a normal delivery rather than operative.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Thomas, Liji. (2021, January 15). a studio aplotipo-guida d'apprendimento profondo basato a immagine mappa l'adattamento globale di SARS-CoV-2. News-Medical. Retrieved on April 22, 2021 from https://www.news-medical.net/news/20210115/Image-based-deep-learning-haplotype-guided-study-maps-the-global-adaptation-of-SARS-CoV-2.aspx.

  • MLA

    Thomas, Liji. "a studio aplotipo-guida d'apprendimento profondo basato a immagine mappa l'adattamento globale di SARS-CoV-2". News-Medical. 22 April 2021. <https://www.news-medical.net/news/20210115/Image-based-deep-learning-haplotype-guided-study-maps-the-global-adaptation-of-SARS-CoV-2.aspx>.

  • Chicago

    Thomas, Liji. "a studio aplotipo-guida d'apprendimento profondo basato a immagine mappa l'adattamento globale di SARS-CoV-2". News-Medical. https://www.news-medical.net/news/20210115/Image-based-deep-learning-haplotype-guided-study-maps-the-global-adaptation-of-SARS-CoV-2.aspx. (accessed April 22, 2021).

  • Harvard

    Thomas, Liji. 2021. a studio aplotipo-guida d'apprendimento profondo basato a immagine mappa l'adattamento globale di SARS-CoV-2. News-Medical, viewed 22 April 2021, https://www.news-medical.net/news/20210115/Image-based-deep-learning-haplotype-guided-study-maps-the-global-adaptation-of-SARS-CoV-2.aspx.